AI导哈

AI交互系统

基于Spring AI和LangChain4j构建的智能AI交互系统，支持多种大模型接入、知识库问答和工具调用能力。

  • by LiCanFu
  • Java
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 LiCanFu/ai_superintelligent_agent

使用说明

基于Spring AI和LangChain4j构建的智能AI交互系统，支持多种大模型接入、知识库问答和工具调用能力。

项目简介

AI Agent是一个以AI开发为核心的智能体项目，旨在提供强大的AI交互能力，包括：

  • 多轮对话与上下文记忆
  • 知识库问答 (RAG)
  • 工具调用与智能规划
  • MCP服务集成
  • 多模态应用支持

项目集成了主流AI大模型，如阿里云DashScope的通义千问、Ollama本地部署模型等，同时支持多种AI框架，使开发者能够快速构建智能应用。

技术栈

  • 基础框架: Java 21 + Spring Boot 3.4.5
  • AI框架: Spring AI + LangChain4j
  • AI模型接入:
    • 阿里云DashScope (通义千问)
    • Ollama (本地部署模型)
  • 工具与库:
    • Knife4j (API文档)
    • Hutool (工具类库)
    • Lombok (代码简化)
  • 服务配置: 支持多环境配置 (local, dev, prod)

核心功能

1. 多种方式调用AI大模型

  • Spring AI框架集成
  • LangChain4j链式调用
  • 原生SDK调用
  • 自定义HTTP调用

2. 知识库问答 (RAG)

  • 支持接入本地知识库
  • 支持向量数据库检索
  • 提供上下文增强查询

3. 智能工具调用

  • 文件操作
  • 联网搜索
  • 网页抓取
  • 资源下载
  • PDF生成

4. MCP服务能力

  • 自定义MCP服务开发
  • 图片搜索服务
  • 支持多种调用方式

5. 智能体规划能力

  • 基于ReAct模式的自主规划
  • 多步骤任务执行
  • 任务状态追踪

网页展示

目录结构（后端）

ai-agent/
├─ src/
│  ├─ main/java/com/licanfu/aiagent/...   # 后端代码（controller/agent/service/config/...）
│  ├─ main/resources/
│  │  ├─ application.yml                  # 主配置
│  │  ├─ mcp-servers.json                 # MCP 客户端配置
│  │  ├─ prohibited-words.txt             # 敏感词/限制词
│  │  └─ document/                        # 知识库文档（RAG）
│  └─ test/java/...                       # 测试
├─ sql/ai.sql                             # 数据库初始化脚本（如需）
├─ ai-agent-frontend/                     # 前端工程（Vue 3）
└─ image-search-mcp-server/               # MCP Server 示例模块

前后端对接要点

  • 前端默认把 API 指向 http://localhost:8102/api （见 ai-agent-frontend/src/services/api.js 的 API_BASE_URL）
  • 后端需监听 8102 端口并提供 /api/** 路由
  • 前端会识别后端返回的 PDF/HTML 链接并渲染“打开文档”按钮；本地开发时 ChatMessage.vue 会把 /api/files/... 拼成 http://localhost:8102/...，生产请保证域名/端口一致或修改该组件逻辑
  • 生产环境经 Nginx 反代时，务必按前端 README 的 SSE 配置进行代理（proxy_http_version 1.1、proxy_buffering off、proxy_read_timeout 等）

环境准备

  • JDK 21+
  • Maven 3.8+
  • 可选：本地数据库（MySQL 或 PostgreSQL，项目内存在双数据源支持）

模型与自动装配（DashScope 推荐）

项目已引入 Spring AI 的 DashScope 自动装配能力。要启用：

  1. 在 application.yml（或 application-local.yml）开启 DashScope 并设置 API Key：
server:
  port: 8102

spring:
  ai:
    chat:
      client:
        enabled: true           # 开启 ChatClient 自动装配
    dashscope:
      chat:
        enabled: true           # 开启 DashScope Chat 模型
        options:
          model: qwen-turbo     # 模型名称，可按需调整（如 qwen-plus、qwen-max 等）
      api-key: ${DASHSCOPE_API_KEY:}  # 从环境变量或直接填写

说明：条件评估日志中出现 “ChatClientAutoConfiguration#chatClientBuilder matched / DashScopeAutoConfiguration#dashscopeChatModel matched - did not find any beans” 并不是报错，表示“若你未自定义同类 Bean，则自动装配会创建它们”。只要 enabled=true 且 API Key 正确，DashScopeChatModel 和 ChatClient.Builder 会被容器提供。

  1. 可选：Ollama 本地模型（如需）
spring:
  ai:
    ollama:
      chat:
        enabled: false          # 如需本地模型，改为 true
        options:
          model: llama3.1:8b    # 按需替换为你已拉取的模型名
      base-url: http://localhost:11434

MCP 客户端与工具调用

  • 已包含 mcp-servers.json（resources 根目录），用于声明可连接的 MCP 服务
  • 启用同步 MCP 客户端：
spring:
  ai:
    mcp:
      client:
        enabled: true
        type: SYNC
  • 自动装配会把 MCP 工具暴露为 ToolCallback[]，供智能体（如 Manus/LoveApp 等）选择调用

数据库（可选）

项目包含 MyBatis-Plus 与双数据源（MySQL、PostgreSQL）支持。如果你仅使用 MySQL：

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/ai?useSSL=false&serverTimezone=UTC
    username: root
    password: 123456
    driver-class-name: com.mysql.cj.jdbc.Driver
  • 如你的工程内自定义了双数据源（mysqlDataSource 与 postgresDataSource），请确保至少一个可用；不使用的可在对应 @Configuration 中关闭或在配置文件移除相关属性
  • 初始化数据（可选）：导入 sql/ai.sql

运行方式（Windows cmd）

  • 本地启动（使用默认 profile）：
mvnw.cmd spring-boot:run
  • 指定 profile（如 local）：
mvnw.cmd spring-boot:run -Dspring-boot.run.profiles=local
  • 打包并运行：
mvnw.cmd clean package -DskipTests
java -jar target\ai-agent-*.jar --spring.profiles.active=local

启动后访问：

  • Swagger/Knife4j 文档（按项目实际路由，一般为）：http://localhost:8102/api/swagger-ui.html

模型切换/自定义 ChatClient

  • 使用自动装配：推荐按上文启用 spring.ai.dashscope.* 或 spring.ai.ollama.* 属性，即可获得 ChatModel 与 ChatClient.Builder
  • 自定义：若你需要完全自定义 ChatClient 或替换底层模型，可在配置类中声明 @Bean ChatClient.Builder 或 @Bean ChatModel。当容器已有同类型 Bean 时，自动装配会让位（@ConditionalOnMissingBean）

和前端联调的小贴士

  • 确保所有对话接口都在 /api/** 路径下，便于前端统一代理
  • SSE 接口要设置响应头 Content-Type: text/event-stream、禁用缓存，超时调大；若经 Nginx 反代，参考前端 nginx.conf 中的 SSE 片段
  • 前端在 ChatMessage.vue 中对 localhost:8102 有显式处理，若生产域名不同，建议同步调整拼接逻辑（或改为读取环境变量）

常见问题排查（Troubleshooting）

  1. 条件评估报告出现：ChatClientAutoConfiguration#chatClientBuilder matched: - @ConditionalOnMissingBean ... did not find any beans
  • 含义：不是错误，表示“若未自定义该 Bean，则自动装配会创建它”。只要相关 enabled=true，就会生成
  1. DashScope 自动装配全部 matched，但实际没有拿到 DashScopeChatModel
  • 检查：是否 spring.ai.dashscope.chat.enabled=true，spring.ai.dashscope.api-key 是否正确；若你自定义了同名 Bean，请确保未被 @Primary/同名覆盖
  1. 启动失败：BeanCreationException: Error creating bean with name 'loveApp': Injection of resource dependencies failed
  • 多为依赖注入失败：
    • LoveApp（或 Manus 等）构造器需要 ChatModel dashscopeChatModel 与 ToolCallback[]；若 dashscopeChatModel 因未开启 DashScope 或无 API Key 未被创建，会注入失败
    • 确认 MCP 客户端已启用（见上文 spring.ai.mcp.client.*），以便生成工具 ToolCallback[]
    • 如果你自定义了 @Resource 名称，请确保 Bean 名一致，或改用 @Autowired+@Qualifier
  1. SSE 推流中断/无响应
  • 经 Nginx 反代务必：proxy_http_version 1.1、proxy_buffering off、proxy_read_timeout 600s、chunked_transfer_encoding off
  • 后端接口返回应为 text/event-stream，并定期发送 \n\n 保持连接
  1. 数据库相关错误（多数据源）
  • 条件日志中可见同时存在 postgresDataSource 与 mysqlDataSource。若你仅使用其中一个，请确保未启用另一个的配置，避免“无可用连接/连接失败”导致启动报错

开发与测试

  • 单元测试：
mvnw.cmd -q -Dtest=*Test test
  • 建议为智能体的关键链路（解析 → 计划 → 工具调用 → 汇总）编写最小可运行的单测或集成测试

许可与贡献

  • 许可证：MIT（如仓库未包含 LICENSE，请按需补充）
  • 欢迎提交 Issue / PR：
    1. Fork 本仓库
    2. 新建分支：git checkout -b feature/xxx
    3. 提交并推送：git commit -m "feat: ..." → git push origin feature/xxx
    4. 发起 PR 并描述变更

若你准备上线生产环境，请重点校验：

  • DashScope/Ollama 模型额度与稳定性
  • Nginx 的 SSE 与缓存配置
  • 数据源连接与连接池大小
  • 敏感词/合规策略（prohibited-words.txt）
  • 文件访问（/api/files/**）安全与鉴权

相关 MCP